从加班做报表、sql取数到养老，这个数据分析工具简直相见恨晚
“那谁谁麻烦给我跑个数，下班前给我！”这可能是最讨厌听到的话。
我是985的毕业生，计算机专业毕业，sql、C语言、java简直就是手到擒来，毕业后也因此顺利进入某大公司，本来是意气风发地准备大干一番事业，工作一年后却发现自己天天就是写业务报表，成为了sql男孩， 为什么会出现这种情况？
他在这一年中主要是各种完成业务的报表、业务提数需求和一些业务想法的验证，并没有主动去思考，也就是我们说的执行者。
挂着“数据分析师”的title，实际上干着取数机器的活，结果一年下来，连个像样的分析项目经验都没有。
为什么数据团队的每个人都在做提数的工作？
为什么数据团队总是不被老板重视？
为什么数据团队在公司中没有影响力？
这是很多人都关心，却得不到解决的一个问题，今天我给你们提供一点方法。首先，来还原一下做数据的三种层级，这样才能对症下药。
第一层：初级，只会被动的取数。没办法解决业务的问题，业务部门缺什么数据，我就取什么数据… 常被调侃叫”茶树菇 / 表哥 / 表姐“。
第二层：中级，解决具体问题。采用由上至下的思维方式来分析，通过做用户画像-寻找差异-差异量化成指标-问题假设-改进方案-验证。
第三层：高级，指导业务。这类人很少，一般是总监级别，思维和业务都非常熟练。
前两者占了90%，所以我们从这两个方面入手，最后一层需要你有大量的实际经验，并不是看几篇文章，会几个工具，读几本书就能达到的。
如果你还处在取数阶段，不用慌，这是个必经的过程，但是工作了三五年，还被叫表哥表姐的话，就很危险了，你需要马上提升这三项能力：
1、对业务的深刻认知
理论上：数据分析=业务分析+数据手段+量化业务
实际上：数据分析=监控类（数据埋点、建表、写BI、数据观察）+数据支持类+问题分析
你只有抓住业务本质，你分析出出来的结论和报告，才是对业务有指导作用 ，是能影响管理层决策的。那从哪里去了解业务呢？这个应该不用我多说。
记住，业务为王。
2、分析方法和模型
按照我的经验来说，掌握数据分析方法有一条好的捷径——套用分析模型，对新手来说几乎是百试百灵，只要掌握了下面几个分析模型，基本上可以应对工作中的所有业务分析场景。
（1）AARRR模型
这应该是最典型的了，也称增长模型。
（2）帕累托法则
二八定理，80/20帕累托法则，很有名的ABC分类法可以说是该法则的衍生，核心目的是把握关键，分清主次。
（3）5W2H模型
5W2H，即为什么（Why）、什么事（What）、谁（Who）、什么时候（When）、什么地方（Where）、如何做（How）、什么价格（How much），主要用于用户行为分析、业务问题专题分析等。
（4）SWOT模型
SWOT分析法也叫态势分析法，S是优势、W是劣势，O是机会、T是威胁或风险。
3、数据分析工具
对于初级的人，工具才是基础，但是对于进阶或者想要升职加薪的，工具的使用就必须得扩大了。
如果你还在使用Excel，sql，且仅仅会这两个东西的话，那我觉得你可以改变了。
数据每天都以成十几万、几十万的速度产生，传统的ERP系统数据展示满足不了个性化的需求，数据导出以Excel为主，灵活性不够，且费时耗力，人员分析数据的速度远跟不上数据更新的速度，只能扩大数据分析的周期，以月、季度作为数据分析的周期，时效性大大降低。
所以一个优秀的数据分析师，必须会BI工具，必须懂数据仓库，甚至还得知道大数据平台建立的全过程。
要说BI工具，市面上真的是五花八门，使用了之后发现和说的完全不一样：宕机卡死，可视化一般般，没有完善的服务教学体系…这些问题都是普遍存在的。
FineBI作为一款轻量级的数据分析工具，真正做到了解放IT，业务主导。
FineBI的简单的可视化分析
传统BI的搭建需要搭建数据仓库，选型ETL工具，需要规划整体架构，设计业务分析模型，还要算上前端的报表开发。简单形容一下就是比较繁琐比较重，成本较高。
自助式BI，我觉得类似于FineBI的工具，最大的特点在于简洁，上手难度很低，而且无论你是互联网、零售、教育，又或者是别的行业的，都有很多的数字化例子：
（此处已添加小程序，请到今日头条客户端查看）
说到底，FineBI只是一个数据应用层面的工具，能解决即席分析、自助数据分析，可视化分析问题，而且能快速的对数据仓库的数据进行切片分析。
相比于Excel，可视化方面有了革新，无论是图表还是大屏，都让人比较容易接受。
然后，在大数据、云计算方面有比较好的支持，可以与hadoop、MySQL之类的几十种大数据平台/数据库对接，解决企业中各种系统数据不兼容、无共享的数据孤岛问题，针对各种复杂的数据场景均可随意定制满足客户需求的功能化组件。
相信有了这款BI工具，你会从执行者变成思考者，你也会得到最大程度的成长。
立即沟通
